2022, Vol. 34
2. 油气藏地质及开发工程国家重点实验室·西南石油大学，成都 610500;
3. 中国石油西南油气田公司 页岩气研究院，成都 610500;
4. 中国石化胜利油田分公司 勘探开发研究院，山东 东营 257015;
5. 河北省地球物理勘查院，河北 廊坊 065000;
6. 德克萨斯大学阿灵顿分校 地球与环境科学系，美国 76019;
7. 中国石油集团测井有限公司 西南分公司，重庆 400021
,
YAN Jianping1,2
,
ZHONG Guanghai3,
LI Zhipeng4,
FAN Cunhui1,2,
ZHANG Yue5,
HU Qinhong6,
HUANG Yi7
2. State Key Laboratory of Oil & Gas Reservoir Geology and Exploitation, Southwest Petroleum University, Chengdu 610500, China;
3. Shale Gas Research Institute, PetroChina Southwest Oil and Gas Field Company, Chengdu 610500, China;
4. Research Institute of Exploration and Development, Shengli Oilfield Company, Sinopec, Dongying 257015, Shandong, China;
5. Hebei Institute of Geophysical Exploration, Langfang 065000, Hebei, China;
6. Department of Earth and Environmental Sciences, University of Texas at Arlington, Arlington, TX 76019, USA;
7. Southwest Branch, CNPC Logging Company Limited, Chongqing 400021, China
四川盆地及其周缘地区发育的上奥陶统五峰组—下志留统龙马溪组海相页岩是目前国内最重要的页岩气勘探与开发层系，其页岩气资源量占全国的46.6%[1-3]。川南地区页岩气资源量约为9.3× 1012 m3，而深层（深度大于3 500 m）资源量占比达86%[4-5]，因此，深层页岩气成为非常规油气资源开发的重要领域。随着川南深层页岩气研究工作的深入，发现优质页岩气“甜点”空间分布与其沉积微相及更细分的微相单元有着密切的联系[6]。国内学者认为川南地区五峰组—龙马溪组为陆棚相沉积，且按照水体深浅及有机质含量的差异可以划分为深水陆棚和浅水陆棚2种亚相[7-9]。微相划分方面，王玉满等[10]、赵圣贤等[11]、刘忠宝等[12]依据矿物组分进行陆棚沉积微相划分与命名，并指出发育在沉积中心的炭泥质深水陆棚是最优微相类型。测井微相识别方面，传统微相识别方法多采用交会图版法和曲线重叠法[13]，随着研究深入，方差分析法[14]、特征参数法[15]及支持向量机法[16]等成为微相识别的新思路。整体来看，页岩微相划分及优势相的确定多以中浅层为主，深层尚较少涉及。此外，从矿物含量差异划分沉积微相类型的角度分析，中浅层页岩储层沉积微相划分方案与深层类似，但深层页岩气储层相较于中浅层而言，通常具有赋存时代老、埋藏深、储层致密、压裂难度大等特点[17-18]，并且传统基于矿物含量“三端元”的岩相分类不能精细反映深层页岩的非均质性变化，沉积微相划分也难以精确指示“甜点”层段。考虑到页岩非均质性往往与沉积微相细分的单元类型关系更密切，因此，要想“优中选优、甜中选甜”，页岩沉积微相进行细分及测井精确识别研究十分值得探索。
以川南泸州地区五峰组—龙马溪组深层海相页岩地层为例，应用X射线衍射、物性、薄片、地化以及测井曲线等资料，依据“氧化还原+ TOC含量+ 矿物组分”三重信息开展微相细分方案及微相细分类型与“甜点”参数关系研究，明确最优微相细分类型；筛选识别微相细分类型的敏感测井曲线，建立基于K-means的贝叶斯判别的微相细分测井精细识别方法，实现垂向测井剖面微相细分类型的划分，以期能够精确指示“甜点”层段，解决连续测井剖面上水平井靶体优选困难的问题，为深化细粒沉积微相细分平面分布及沉积体系刻画研究提供新的思路。
1 地质概况四川盆地是位于扬子准地台西北缘的复杂叠合盆地，东至川湘断褶带，西抵龙门山断褶带，北至米仓山—大巴山断褶带，南抵峨眉瓦山断块带和娄山褶皱带。根据多层次结构的构造特征可划分为川北低缓构造带、川东高陡构造带、川中平缓构造带、川西低陡构造带、川西南低陡构造带和川南低陡构造带等6个二级构造带。泸州地区位于四川盆地南部，构造上属于川中古隆起南侧的川南低陡构造带，该构造带的形成受控于基底断裂活动，从深层向浅层，从基底到盖层发展，隐伏断层支配褶皱，都是新生代青藏高原隆升过程中派生的断褶构造。该区在五峰组—龙马溪组沉积时期位于深水陆棚沉积中心[19-22]，沉积厚度为500~650 m，远大于长宁、威远区块同期沉积厚度（190~450 m）。龙马溪组自下而上可划分为龙一段和龙二段，其中龙一段包括下部的龙一亚段和上部的龙二亚段。龙一亚段从下往上划分为4个小层（龙一11，龙一12，龙一13 和龙一14），主要发育黑色、灰黑色薄层状页岩或块状页岩。五峰组与上覆龙马溪组整合接触，主要发育黑色页岩（图 1）。
|
下载原图 图 1 川南泸州地区构造位置和有利页岩气分布（a）及五峰组—龙马溪组岩性地层综合柱状图（b）[20] Fig. 1 Structural location and favorable shale gas distribution(a)and stratigraphic column of Wufeng-Longmaxi Formation(b)in Luzhou area, southern Sichuan Basin |
页岩中有机质的富集程度、脆性矿物（硅质矿物+钙质矿物）含量[23]、含气量以及物性等均是页岩气“甜点”的重要参数指标[24]，均与沉积微相及更细分的单元类型有着密切的联系，因此，页岩气“优中选优、甜中选甜”需要开展页岩沉积微相细分、特征分析及识别方法等相关研究。
2.1 细分方案川南泸州地区五峰组—龙马溪组沉积时期为陆棚相，整体表现为无氧、贫氧环境，水体安静且深，有利于有机质保存[25]，但由于各处古地貌、沉积环境、水体深浅相对变化的不同，有机质的聚集程度也有所差异。以总有机碳（TOC）质量分数2.0% 为界限，可将陆棚环境划分为深水陆棚（TOC ≥ 2.0%）和浅水陆棚（TOC < 2.0%）2种亚相。充分参考已有对陆棚相划分的研究成果[26-29]，对比目的层Th/U、TOC含量及矿物组分自身特征及相互牵制关系，制定出以“Th/U反映氧化还原性强弱、TOC含量高低、岩石无机矿物组分含量”三重信息为基础的微相细分方案（表 1）。将深层页岩气地层微相细分为了五大类8个小类：强还原富有机质富硅深水陆棚（Ⅰ1）、强还原高有机质富硅深水陆棚（Ⅰ2）、强还原中有机质低含钙硅质深水陆棚（Ⅱ1）、中还原中有机质高含钙硅质深水陆棚（Ⅱ2）、强还原中有机质低含钙黏土质深水陆棚（Ⅲ1）、中还原中有机质高含钙黏土质深水陆棚（Ⅲ2）、中还原贫有机质钙质浅水陆棚（Ⅳ）、中还原贫有机质富黏土浅水陆棚（Ⅴ）。
|
下载CSV 表 1 川南泸州地区五峰组—龙马溪组页岩沉积微相细分方案及划分标准 Table 1 Microfacies subdivision criteria of Wufeng-Longmaxi shale in Luzhou area, southern Sichuan Bain |
富硅深水陆棚主要发育于五峰组顶部和龙马溪组龙一段一亚段1小层（龙一11）至3小层（龙一13），处于水体相对较深的时期[30]，厚度为4~11 m，岩性主要为硅质页岩，其中硅质、黏土质、钙质和黄铁矿平均质量分数分别为59%、17%、21% 和3%。
（1）强还原富有机质富硅深水陆棚（Ⅰ1）：Th/U均值为0.4，TOC质量分数为4.8%，孔隙度为4.7%，含气量为4.86 m3/t。主要为黑色硅质页岩，薄片下显示富含有机质且成层性较差，局部可见粉粒石英及生物碎片（图 2a）。
|
下载原图 图 2 川南泸州地区五峰组—龙马溪组富硅深水陆棚微相特征 Fig. 2 Characteristics of silicon-rich deep-water shelf microfacies of Wufeng-Longmaxi Formation in Luzhou area, southern Sichuan Basin |
（2）强还原高有机质富硅深水陆棚（Ⅰ2）：Th/U均值为1.1，TOC质量分数为4.4%，孔隙度为4.8%，含气量为4.85 m3/t。主要为灰黑色硅质页岩，有机质呈侵染状，粉粒石英、方解石分散分布（图 2b，2c）。
2.2.2 硅质深水陆棚硅质深水陆棚分布较广，主要分布在五峰组和龙马溪组龙一段一亚段4小层（龙一14）中下部，属于静水环境，厚度为31~37 m，发育纹层。主要岩性为黏土质硅质混合页岩和硅质页岩，平均硅质质量分数为49%，平均黄铁矿质量分数为3%。
（1）强还原中有机质低含钙硅质深水陆棚（Ⅱ1）：钙质和黏土质的平均质量分数分别为14% 和30%，Th/U均值为1.3，TOC质量分数为2.8%，孔隙度为3.6%，含气量为3.81 m3/t。薄片可见粉砂颗粒及由方解石（粉红色）和铁方解石（紫色）组成的非生物碎片（图 3a）。
|
下载原图 图 3 川南泸州地区五峰组—龙马溪组硅质深水陆棚微相特征 Fig. 3 Characteristics of siliceous deep-water shelf microfacies of Wufeng-Longmaxi Formation in Luzhou area, southern Sichuan Basin |
（2）中还原中有机质高含钙硅质深水陆棚（Ⅱ2）：钙质和黏土质的平均质量分数分别为16% 和36%，Th/U均值为2.7，TOC质量分数为1.9%，孔隙度为2.8%，含气量为2.66 m3/t。薄片可见暗色纹层，硅质生屑中部被黄铁矿交代（图 3b，3c）。
2.2.3 黏土质深水陆棚黏土质深水陆棚主要分布在龙一14中上部，相对于硅质深水陆棚微相水体较浅，但还属于静水环境，厚度为18~22 m。主要岩性为黏土质硅质混合页岩，黏土质和黄铁矿的平均质量分数分别为42% 和5%。
（1）强还原中有机质低含钙黏土质深水陆棚（Ⅲ1）：钙质和硅质的平均质量分数分别为13% 和40%，Th/U均值为1.4，TOC质量分数为2.2%，孔隙度为4.6%，含气量为3.40 m3/t。薄片中自生矿物主要为黄铁矿，局部可见藻类被玉髓填充（图 4a）。
|
下载原图 图 4 川南泸州地区五峰组—龙马溪组黏土质深水陆棚微相特征 Fig. 4 Characteristics of clayey deep-water shelf microfacies of Wufeng-Longmaxi Formation in Luzhou area, southern Sichuan Basin |
（2）中还原中有机质高含钙黏土质深水陆棚（Ⅲ2）：钙质和硅质的平均质量分数分别为16% 和36%，Th/U均值为2.4，TOC质量分数为2.0%，孔隙度为4.2%，含气量为3.18 m3/t。电镜下可见泥质呈纹层状、片状分布，局部可见莓状黄铁矿（图 4b，4c）。
2.2.4 钙质浅水陆棚钙质浅水陆棚分布较少，主要分布在龙一14中部，沉积水体较浅，厚度为3~6 m，微相细分类型为中还原贫有机质钙质浅水陆棚（Ⅳ）。发育钙质硅质混合页岩、黏土质钙质混合页岩及钙质页岩，其中硅质、黏土质、钙质和黄铁矿的平均质量分数分别为38%，34%，26% 和2%，Th/U均值为4.7，以中还原环境为主，TOC质量分数为1.5%，孔隙度为3.4%，含气量为2.45 m3/t。薄片中局部可见粉粒石英、粉晶白云石等顺层分布形成水平亮纹层，与泥质暗色纹层不等厚互层，黄铁矿多呈粉末状分散分布（图 5a，5c）。
|
下载原图 图 5 川南泸州地区五峰组—龙马溪组钙质浅水陆棚及富黏土浅水陆棚微相特征 Fig. 5 Characteristics of calcareous shallow-water shelf and clay-rich shallow-water shelf microfacies of Wufeng-Longmaxi Formation in Luzhou area, southern Sichuan Basin |
富黏土浅水陆棚主要发育于龙一14上部，微相细分类型为中还原贫有机质富黏土浅水陆棚（Ⅴ），厚度约4 m。岩性为黏土质页岩，硅质、黏土质、钙质和黄铁矿的平均质量分数分别为37%，56%，5% 和2%，Th/U均值为3.2，以中还原环境为主，TOC质量分数为0.8%，孔隙度为4.0%，含气量为0.79 m3/t，电镜下可见泥质呈纹层状分布，局部发育微裂缝（图 5b，5c）。
对采自LX5井、HX3井和LX6井等3口井的146块样品进行了X射线衍射，并将8种不同微相的物性（孔隙度）、TOC含量、脆性矿物含量及含气量等数据进行了交会分析（图 6）。结果显示强还原富有机质富硅深水陆棚（Ⅰ1）多分布在交会图中的右上方，各参数值均处于一个较高区间内，其中该微相细分类型的孔隙度为4.0%~6.0%，含气量为4.00~6.00 m3/t，其中脆性矿物含量及TOC含量在8种类型中最高，脆性矿物质量分数为70%~90%，TOC质量分数为4.0%~7.0%。相对于其他微相细分类型，该类型具有孔隙度较高，含气量较高，有机质丰富，脆性矿物含量最高的特点，是研究区内最有利的“甜点”相带。
|
下载原图 图 6 川南泸州地区五峰组—龙马溪组不同微相细分类型的孔隙度、TOC含量、脆性矿物质量分数及含气量间的交会图 Fig. 6 Cross plots of porosity, TOC content, brittle minerals content and gas content of different microfacies subdivision types of Wufeng-Longmaxi Formation in Luzhou area, southern Sichuan Basin |
不同微相及微相细分类型的物性、地化特性、脆性和含气性等的差异导致其在测井曲线上具有不同的响应特征[31-32]。以关键取心井HX3井五峰组底部至龙马溪组龙一段一亚段（龙一1）顶部（3 700.60~ 3 765.00 m）的19个样本层测井响应特征图为例（图 7），将不同微相及细分类型层段刻度测井，同时应用二阶聚类算法[33]筛选出无铀伽马（KTH），自然伽马（GR），钍含量（Th），声波时差（AC），中子（CNL），横波时差（DTS）和钍铀比（Th/U）等7条测井响应敏感曲线。
|
下载原图 图 7 川南泸州地区HX3井五峰组—龙马溪组沉积微相细分及测井响应特征 Fig. 7 Microfacies subdivision and logging response characteristics of Wufeng-Longmaxi Formation of well HX3 in Luzhou area, southern Sichuan Basin |
根据不同沉积微相细分类型在测井曲线上的不同响应特征及数值，统计出相应的测井响应特征值范围及平均值（表 2），富硅深水陆棚（Ⅰ）、硅质深水陆棚（Ⅱ）和钙质浅水陆棚（Ⅳ）等3种沉积微相都具有KTH，AC，CNL，DTS及Th含量等均偏低的特征，其中Ⅰ类KTH值最低，GR值相对最高，Ⅱ类GR值次之，Ⅳ类最低；黏土质深水陆棚（Ⅲ）和富黏土浅水陆棚（Ⅴ）均表现为KTH，AC，CNL，DTS和Th含量均相对较高的特征，其中Ⅲ类沉积微相GR值最高。
|
|
下载CSV 表 2 川南泸州地区五峰组—龙马溪组不同微相细分类型测井响应特征值 Table 2 Logging response characteristic values of different microfacies subdivision types of Wufeng-Longmaxi Formation in Luzhou area, southern Sichuan Basin |
微相细分类型中，强还原富有机质富硅深水陆棚（Ⅰ1）和较强还原高有机质富硅深水陆棚（Ⅰ2）的GR值高；强还原中有机质低含钙硅质深水陆棚（Ⅱ1）与中还原中有机质高含钙硅质深水陆棚（Ⅱ2）相比，KTH、Th/U和Th含量均更低。中还原中有机质高含钙黏土质深水陆棚（Ⅲ2）较强还原中有机质低含钙黏土质深水陆棚（Ⅲ1）的Th/U高。
3.2 识别方法岩心资料研究微相最为理想，但由于深层页岩取心价格昂贵，很难获得单井连续的取心资料，因此有必要利用有限的取心资料与测井资料建立一定的映射关系。将筛选出的7条测井曲线KTH，GR，Th，AC，CNL，DTS和Th/U进行各微相细分类型交会识别（图 8），多数微相细分类型数据重叠性较强，不能直观、定量地提取划分微相细分类型的标准界限。
|
下载原图 图 8 川南泸州地区HX3井五峰组—龙马溪组不同微相细分类型测井敏感曲线变量交会图 Fig. 8 Cross plots of sensitive logging curves of different microfacies subdivision types of Wufeng-Longmaxi Formation in Luzhou area, southern Sichuan Basin |
K-means聚类算法[34]在对一定规模数据集进行聚类分析时的效果较好且高效，当数据集的结构分布是球形、类球形或其他凸形结构时，该算法能高效地划分类簇结构。贝叶斯判别算法则是一种监督学习方法，其优点在于所需样本点少，适合增量式训练。基于K-means的贝叶斯算法融合了2种算法的优势，较传统交会图法对于重叠性较强的数据更为敏感，可处理数据量及精细程度均更高。从展示效果角度，还弥补了传统交会图法展示出的分类区间不能直观地表现出具体的分布层段和位置的缺点。
以研究区内关键井HX3为例，具体操作步骤如下：
（1）共使用386个测井数据点作为训练集（占总数据点的75%，其中Ⅰ1：9个，Ⅰ2：35个，Ⅱ1：100个，Ⅱ2：100个，Ⅲ1：69个，Ⅲ2：37个，Ⅳ：18个，Ⅴ：18个），测试集由剩下25% 与训练集进行混合。应用“氧化还原+TOC含量+矿物组分”三重信息分类方案共划分出8种不同微相细分类型，因而Kmeans算法中聚类总数（K值）定为8。将微相细分类型按1~8依次排序，如：强还原富有机质富硅深水陆棚（Ⅰ1）为1，强还原高有机质富硅深水陆棚（Ⅰ2）为2，依次类推。为了消除初始聚类中心的影响，选择各微相细分类型对应的测井曲线平均值（参见表 2）作为其初始聚类中心。
（2）通过计算测井数据中每个数据点到聚类中心的距离进行划分，并再次计算每个聚类中心。
（3）计算标准测度函数，当函数收敛时算法终止，得到8种微相细分类型的最终聚类中心（表 3），并且使得各微相细分类型的属性相互独立。
|
|
下载CSV 表 3 川南泸州地区五峰组—龙马溪组8种沉积微相细分类型最终聚类中心参数 Table 3 Final cluster center parameters of eight microfacies subdivision types of Wufeng-Longmaxi Formation in Luzhou area, southern Sichuan Basin |
（4）应用贝叶斯判别法对聚类结果进行判别，得到贝叶斯判别法分类函数系数。通过对分类函数系数整理可得到8种微相细分类型的识别函数，表示如下：
| $ {Y_{{{\rm{I}}_{\rm{1}}}}} = - 0.260KTH + 3.015GR - 4.244{\rm{Th}} + 1.711AC - 24.698CNL + 5.837DTS + 32.965{\rm{Th}}/{\rm{U}} - 1\;554.980 $ | (1) |
| $ {Y_{{{\rm{I}}_2}}} = 0.749KTH + 0.951GR - 3.652{\rm{Th}} + 1.337AC - 22.733CNL + 5.739DTS + 19.530{\rm{Th}}/{\rm{U}} - 1\;085.338 $ | (2) |
| $ {Y_{{\rm{I}}{{\rm{I}}_{\rm{1}}}}} = 0.277KTH + 1.654GR - 3.614{\rm{Th}} + 1.681AC - 23.290{\rm{C}}NL + 5.744DTS + 23.642{\rm{Th}}/{\rm{U}} - 1\;235.201 $ | (3) |
| $ {Y_{{\rm{I}}{{\rm{I}}_{\rm{2}}}}} = 0.895KTH + 0.953GR - 3.241{\rm{Th}} + 1.596AC - 23.172CNL + 6.173DTS + 17.429{\rm{Th}}/{\rm{U}} - 1\;305.563 $ | (4) |
| $ {Y_{{\rm{II}}{{\rm{I}}_{\rm{1}}}}} = 0.931KTH + 1.083GR - 3.557{\rm{Th}} + 1.630AC - 23.024CNL + 6.673DTS + 16.626{\rm{Th}}/{\rm{U}} - 1\;538.262 $ | (5) |
| $ {Y_{{\rm{II}}{{\rm{I}}_{\rm{3}}}}} = 1.113KTH + 1.206GR - 3.704{\rm{Th}} + 1.860AC - 24.026CNL + 6.741DTS + 16.967{\rm{Th}}/{\rm{U}} - 1\;645.732 $ | (6) |
| $ {Y_{{\rm{IV}}}} = 0.641KTH + 0.611GR - 3.691{\rm{Th}} + 1.069AC - 22.755CNL + 6.132DTS + 21.174{\rm{Th}}/{\rm{U}} - 1\;129.586 $ | (7) |
| $ {Y_{\rm{V}}} = 1.109KTH + 0.956GR - 3.831{\rm{Th}} + 1.752AC - 24.124CNL + 6.795DTS + 18.735{\rm{Th}}/{\rm{U}} - 1\;597.823 $ | (8) |
将剩于25% 数据点随机排列在训练集中并应用分类函数进行判识，HX3井样本点判识结果与经岩心测试资料标定的实际微相细分结果对应良好，准确率达94.4%（参见图 7）。
另选具有较多取心测试资料的LX5井作为预测井进行验证，LX5井龙一14顶至五峰组底深度为3 972.72~4 042.40 m，共有数据点553个。利用上述训练样本所得微相细分类型识别函数，对LX5井测井曲线数据点进行分类预测，同时将预测的结果和经岩心测试资料标定的微相细分类型进行对比（图 9），判识准确率为92.9%，表明基于K-means的贝叶斯判别法对微相细分类型的判识效果较好。
|
下载原图 图 9 川南泸州地区LX5井五峰组—龙马溪组深层页岩气沉积微相细分及测井响应特征 Fig. 9 Microfacies subdivision and logging response characteristics of deep shale gas of Wufeng-Longmaxi Formation of well LX5 in Luzhou area, |
利用微相细分类型识别方法对川南泸州地区LX5井、LX7井、LX8井、LX9井及HX3井等5口井的五峰组—龙一1进行微相细分类型识别并进行连井剖面对比分析。通过微相连井图（图 10）可知，富硅深水陆棚（Ⅰ）中间薄两端厚，西侧最厚处为9.51 m，最薄处约3.17 m，但该微相中页岩非均质性较强，TOC含量、孔隙度、含气量和脆性矿物含量均分布不均一。以Ⅰ类微相作为确立水平井靶体段的依据误差较大，同时龙一14层厚度较大，微相类型多为硅质深水陆棚和黏土质深水陆棚，这2种微相类型“甜点”参数差异较小，难以有效地指导开发。
|
下载原图 图 10 南泸州地区LX5-LX7-LX8-LX9-HX3五峰组—龙马溪组微相连井剖面 Fig. 10 Well-tie section of microfacies of Wufeng-Longmaxi Formation of wells LX5-LX7-LX8-LX9-HX3 in Luzhou area, southern Sichuan Basin |
将Ⅰ类微相划分为强还原富有机质富硅深水陆棚（Ⅰ1）和强还原高有机质富硅深水陆棚（Ⅰ2），其中Ⅰ1为有利微相细分类型，最厚处为2.80 m，最薄处为1.16 m。龙一14在微相基础上细化出强还原中有机质低含钙硅质深水陆棚（Ⅱ1）和强还原中有机质低含钙黏土质深水陆棚（Ⅲ1）2个有利微相细分类型（图 11），为水平井靶体段选择提供了更精确的依据，也为开展细粒沉积微相细分平面分布及沉积体系刻画奠定了基础。
|
下载原图 图 11 川南泸州地区LX5-LX7-LX8-LX9-HX3五峰组—龙马溪组微相细分连井剖面 Fig. 11 Well-tie section of microfacies subdivision of Wufeng-Longmaxi Formation of wells LX5-LX7-LX8-LX9-HX3 in Luzhou area, southern Sichuan Basin |
（1）川南泸州地区奥陶系五峰组—志留系龙马溪组深层页岩沉积微相细分为五大类8个小类：强还原富有机质富硅深水陆棚（Ⅰ1）、强还原高有机质富硅深水陆棚（Ⅰ2）、强还原中有机质低含钙硅质深水陆棚（Ⅱ1）、中还原中有机质高含钙硅质深水陆棚（Ⅱ2）、强还原中有机质低含钙黏土质深水陆棚（Ⅲ1）、中还原中有机质高含钙黏土质深水陆棚（Ⅲ2）、中还原贫有机质钙质浅水陆棚（Ⅳ）、中还原贫有机质富黏土浅水陆棚（Ⅴ），强还原富有机质富硅深水陆棚是最优沉积微相细分类型。
（2）基于无铀伽马、自然伽马、钍、声波时差、中子、横波时差和钍铀比等7条敏感测井曲线构建的基于K-means聚类的贝叶斯判别法，在泸州地区单井井筒五峰组—龙马溪组剖面沉积微相细分类型识别中取得较好效果，预测结果与关键井取心资料所得结果吻合率超过90.0%，可以推广于该区多井目的层沉积微相细分类型识别需求。
（3）川南泸州地区强还原富有机质富硅深水陆棚主要分布于龙一段一亚段一小层，具有高TOC含量、高脆性矿物含量和高孔隙度的特点，是该地区最优的“甜点”层段，也是一套最佳的水平井靶体优选层段。
| [1] |
邹才能, 赵群, 丛连铸, 等. 中国页岩气开发进展, 潜力及前景. 天然气工业, 2021, 41(1): 1-14. ZOU Caineng, ZHAO Qun, CONG Lianzhu, et al. Development progress, potential and prospect of shale gas in China. Natural Gas Industry, 2021, 41(1): 1-14. |
| [2] |
何治亮, 聂海宽, 蒋廷学. 四川盆地深层页岩气规模有效开发面临的挑战与对策. 油气藏评价与开发, 2021, 11(2): 1-11. HE Zhiliang, NIE Haikuan, JIANG Tingxue. Challenges and countermeasures of effective development with large scale of deep shale gas in Sichuan Basin. Reservoir Evaluation and Development, 2021, 11(2): 1-11. |
| [3] |
CHEN Kongquan, LI Junjun, TANG Xiehua, et al. Key geological factors for shale gas accumulation in the Wufeng-Longmaxi Fms in the central Yangtze area. Natural Gas Industry B, 2021, 8(1): 1-12. DOI:10.1016/j.ngib.2020.06.001 |
| [4] |
马新华. 四川盆地南部页岩气富集规律与规模有效开发探索. 天然气工业, 2018, 38(10): 1-10. MA Xinhua. Enrichment laws and scale effective development of shale gas in the southern Sichuan Basin. Natural Gas Industry, 2018, 38(10): 1-10. DOI:10.3787/j.issn.1000-0976.2018.10.001 |
| [5] |
张成林, 赵圣贤, 张鉴, 等. 川南地区深层页岩气富集条件差异分析与启示. 天然气地球科学, 2021, 32(2): 248-261. ZHANG Chenglin, ZHAO Shengxian, ZHANG Jian, et al. Analysis and enlightenment of the difference of enrichment conditions for deep shale gas in southern Sichuan Basin. Natural Gas Geoscience, 2021, 32(2): 248-261. |
| [6] |
邱振, 邹才能. 非常规油气沉积学: 内涵与展望. 沉积学报, 2020, 38(1): 1-29. QIU Zhen, ZOU Caineng. Unconventional petroleum sedimentology: Connotation and prospect. Acta Sedimentologica Sinica, 2020, 38(1): 1-29. |
| [7] |
蔡进, 刘莉, 张梦吟, 等. 涪陵页岩气田焦石坝区块五峰—龙马溪组沉积微相研究: 以JYX-4井为例. 石家庄经济学院学报, 2019, 42(3): 48-54. CAI Jin, LIU Li, ZHANG Mengyin, et al. The sedimentary microfacies study of Wufeng-Longmaxi Formation in Jiaoshiba area, Fuling shale gas field: An example from well JYX-4. Journal of Shijiazhuang University of Economics, 2019, 42(3): 48-54. |
| [8] |
蒲泊伶, 董大忠, 王凤琴, 等. 川南地区龙马溪组沉积亚相精细划分及地质意义. 中国石油大学学报(自然科学版), 2020, 44(3): 15-25. PU Boling, DONG Dazhong, WANG Fengqin, et al. Re-division and evolution of sedimentary subfacies of Longmaxi shale in southern Sichuan Basin. Journal of China University of Petroleum(Edition of Natural Sciences), 2020, 44(3): 15-25. DOI:10.3969/j.issn.1673-5005.2020.03.002 |
| [9] |
欧成华, 梁成钢, 罗利, 等. 页岩岩相分类表征及对建产区产能的影响. 沉积学报, 2021, 39(2): 269-280. OU Chenghua, LIANG Chenggang, LUO Li, et al. The lithofacies classification and its influence on the gas production capacity in the shale gas production area. Acta Sedimentologica Sinica, 2021, 39(2): 269-280. |
| [10] |
王玉满, 董大忠, 李新景, 等. 四川盆地及其周缘下志留统龙马溪组层序与沉积特征. 天然气工业, 2015, 35(3): 12-21. WANG Yuman, DONG Dazhong, LI Xinjing, et al. Stratigraphic sequence and sedimentary characteristics of Lower Silurian Longmaxi Formation in the Sichuan Basin and its peripheral areas. Natural Gas Industry, 2015, 35(3): 12-21. DOI:10.3787/j.issn.1000-0976.2015.03.002 |
| [11] |
赵圣贤, 杨跃明, 张鉴, 等. 四川盆地下志留统龙马溪组页岩小层划分与储层精细对比. 天然气地球科学, 2016, 27(3): 470-487. ZHAO Shengxian, YANG Yueming, ZHANG Jian, et al. Microlayers division and fine reservoirs contrast of Lower Silurian Longmaxi Formation shale, Sichuan Basin, SW China. Natural Gas Geoscience, 2016, 27(3): 470-487. |
| [12] |
刘忠宝, 高波, 张钰莹, 等. 上扬子地区下寒武统页岩沉积相类型及分布特征. 石油勘探与开发, 2017, 44(1): 21-31. LIU Zhongbao, GAO Bo, ZHANG Yuying, et al. Types and distribution of the shale sedimentary facies of the Lower Cambrian in Upper Yangtze area, South China. Petroleum Exploration and Development, 2017, 44(1): 21-31. |
| [13] |
谭玉涵, 崔式涛, 牛伟, 等. 昭通页岩气区块龙马溪组下段海相页岩气储层沉积微相与测井识别. 测井技术, 2019, 43(1): 62-67. TAN Yuhan, CUI Shitao, NIU Wei, et al. Sedimentary micro-facies and log identification of marine shale gas reservoirs in the lower part of the Longmaxi Formation of Zhaotong shale gas block. Well Logging Technology, 2019, 43(1): 62-67. |
| [14] |
邓瑞, 孟凡顺. 利用测井曲线精细分层识别沉积微相的方法研究. 测井技术, 2010, 34(6): 554-558. DENG Rui, MENG Fanshun. On logging curves fine delamination to identify sedimentary microfacies. Well Logging Technology, 2010, 34(6): 554-558. DOI:10.3969/j.issn.1004-1338.2010.06.009 |
| [15] |
张红英, 谢冰, 袁倩, 等. 四川盆地大猫坪构造长兴组测井沉积微相识别. 天然气勘探与开发, 2020, 43(2): 38-44. ZHANG Hongying, XIE Bing, YUAN Qian, et al. Logging-based sedimentary microfacies identification of Changxing Formation, Damaoping structure, Sichuan Basin. Natural Gas Exploration and Development, 2020, 43(2): 38-44. |
| [16] |
赵忠军, 刘烨, 王凤琴, 等. 基于支持向量机的辫状河测井沉积微相识别. 测井技术, 2016, 40(5): 637-642. ZHAO Zhongjun, LIU Ye, WANG Fengqin, et al. Classification of borehole braided river sedimentary microfacies based on support vector machine. Well Logging Technology, 2016, 40(5): 637-642. |
| [17] |
郭旭升, 蔡勋育, 刘金连, 等. 中国石化"十三五"天然气勘探进展与前景展望. 天然气工业, 2021, 41(8): 12-22. GUO Xusheng, CAI Xunyu, LIU Jinlian, et al. Natural gas exploration progress of Sinopec during the 13th Five-Year Plan and prospect forecast during the 14th Five-Year Plan. Natural Gas Industry, 2021, 41(8): 12-22. DOI:10.3787/j.issn.1000-0976.2021.08.002 |
| [18] |
龙胜祥, 冯动军, 李凤霞, 等. 四川盆地南部深层海相页岩气勘探开发前景. 天然气地球科学, 2018, 29(4): 443-451. LONG Shengxiang, FENG Dongjun, LI Fengxia, et al. Prospect of the deep marine shale gas exploration and development in the Sichuan Basin. Natural Gas Geoscience, 2018, 29(4): 443-451. |
| [19] |
杨洪志, 赵圣贤, 刘勇, 等. 泸州区块深层页岩气富集高产主控因素. 天然气工业, 2019, 39(11): 55-63. YANG Hongzhi, ZHAO Shengxian, LIU Yong, et al. Main controlling factors of enrichment and high-yield of deep shale gas in the Luzhou block, southern Sichuan Basin. Natural Gas Industry, 2019, 39(11): 55-63. DOI:10.3787/j.issn.1000-0976.2019.11.007 |
| [20] |
李敏, 庞雄奇, 罗冰, 等. 生烃潜力法在深层页岩气资源评价中的应用: 以四川盆地五峰—龙马溪组优质烃源岩为例. 中国矿业大学学报, 2021, 50(6): 1134-1145. LI Min, PANG Xiongqi, LUO Bing, et al. Application of hydrocarbon generation potential method to deep shale gas resource evaluation: A case study of high-quality source rocks of the WufengLongmaxi Formation in the Sichuan Basin. Journal of China University of Mining & Technology, 2021, 50(6): 1134-1145. |
| [21] |
卢畅, 陈雷, 杨扬, 等. 页岩地球化学特征及沉积环境分析: 以川南长宁地区五峰组—龙马溪组为例. 断块油气田, 2021, 28(6): 721-726. LU Chang, CHEN Lei, YANG Yang, et al. Geochemical characteristics and sedimentary environment of shale reservoir: A case study of the Wufeng-Longmaxi Formation in the Changning area, southern Sichuan Basin. Fault-Block Oil & Gas Field, 2021, 28(6): 721-726. |
| [22] |
易定鑫. 长宁地区五峰组—龙马溪组黑色页岩段沉积微相及沉积环境演化[D]. 成都: 成都理工大学, 2020. YI Dingxin. Sedimentary microfacies and sedimentary environment evolution of the black shale section of Wufeng FormationLongmaxi Formation in Changning area[D]. Chengdu: Cheng‐ du University of Technology, 2020. |
| [23] |
丛平, 闫建平, 井翠, 等. 页岩气储层可压裂性级别测井评价及展布特征: 以川南X地区五峰组—龙马溪组为例. 岩性油气藏, 2021, 33(3): 177-188. CONG Ping, YAN Jianping, JING Cui, et al. Logging evaluation and distribution characteristics of fracturing grade in shale gas reservoir: A case study from Wufeng Formation and Longmaxi Formation in X area, southern Sichuan Basin. Lithologic Reservoirs, 2021, 33(3): 177-188. |
| [24] |
邹才能, 董大忠, 王玉满, 等. 中国页岩气特征、挑战及前景(二). 石油勘探与开发, 2016, 43(2): 166-178. ZOU Caineng, DONG Dazhong, WANG Yuman, et al. Shale gas in China: Characteristics, challenges and prospects(Ⅱ). Petroleum Exploration and Development, 2016, 43(2): 166-178. DOI:10.11698/PED.2016.02.02 |
| [25] |
YAN Jianping, HE Xu, HU Qinhong, et al. Lower Es3 in Zhanhua Sag, Jiyang Depression: A case study for lithofacies classification in lacustrine mud shale. Applied Geophysics, 2018, 15(2): 151-164. |
| [26] |
车世琦. 测井资料用于页岩岩相划分及识别: 以涪陵气田五峰组—龙马溪组为例. 岩性油气藏, 2018, 30(1): 121-132. CHE Shiqi. Shale lithofacies identification and classification by using logging data: A case of Wufeng-Longmaxi Formation in Fuling gas field, Sichuan Basin. Lithologic Reservoirs, 2018, 30(1): 121-132. |
| [27] |
熊亮. 川南威荣页岩气田五峰组—龙马溪组页岩沉积相特征及其意义. 石油实验地质, 2019, 41(3): 326-332. XIONG Liang. Characteristics and significance of sedimentary facies of Wufeng-Longmaxi Formation shale in Weirong shale gas field, southern Sichuan Basin. Petroleum Geology & Experiment, 2019, 41(3): 326-332. |
| [28] |
伍翊嘉, 王滢, 黎菁. 四川盆地深层页岩沉积特征及储层主控因素: 以威东地区龙马溪组为例. 天然气工业, 2021, 42(5): 55-65. WU Yijia, WANG Ying, LI Jing. Sedimentary characteristics and main reservoir control factors of deep shale in the Sichuan Basin: A case study on the Longmaxi Formation in the eastern Weiyuan area. Natural Gas Industry, 2021, 42(5): 55-65. |
| [29] |
杨洋, 石万忠, 张晓明, 等. 页岩岩相的测井曲线识别方法: 以焦石坝地区五峰组—龙马溪组为例. 岩性油气藏, 2021, 33(2): 135-146. YANG Yang, SHI Wanzhong, ZHANG Xiaoming, et al. Identification method of shale lithofacies by logging curve: A case study from Wufeng-Longmaxi Formation in Jiaoshiba area, SW China. Lithologic Reservoirs, 2021, 33(2): 135-146. |
| [30] |
NIE Haikuan, HE Zhiliang, LIU Guangxiang, et al. Genetic mechanism of high-quality shale gas reservoirs in the Wufeng-Longmaxi Fms in the Sichuan Basin. Natural Gas Industry B, 2021, 8(1): 24-34. |
| [31] |
闫建平, 蔡进功, 赵铭海, 等. 运用测井信息研究烃源岩进展及其资源评价意义. 地球物理学进展, 2009, 24(1): 270-279. YAN Jianping, CAI Jingong, ZHAO Minghai, et al. Advances in the study of source rock evaluation by geophysical logging and its significance in resource assessment. Progress in Geophysics, 2009, 24(1): 270-279. |
| [32] |
闫建平, 梁强, 耿斌, 等. 湖相泥页岩地球化学参数测井计算方法及应用: 以沾化凹陷渤南洼陷沙三下亚段为例. 岩性油气藏, 2017, 29(4): 108-116. YAN Jianping, LIANG Qiang, GENG Bin, et al. Log calculation method of geochemical parameters of lacustrine shale and its application: A case of lower Es3 in Bonan subsag, Zhanhua Sag. Lithologic Reservoirs, 2017, 29(4): 108-116. |
| [33] |
祝迎春. 二阶聚类模型及其应用. 市场研究, 2005(1): 40-42. ZHU Yingchun. Second-order clustering model and its application. Market Research, 2005(1): 40-42. |
| [34] |
王千, 王成, 冯振元, 等. K-means聚类算法研究综述. 电子设计工程, 2012, 20(7): 21-24. WANG Qian, WANG Cheng, FENG Zhenyuan, et al. Review of K-means clustering algorithm. Electronic Design Engineering, 2012, 20(7): 21-24. |